随着近期“新常态”成为流行词,新的商业模式,大数据,人工智能成为当前商业应用类研究、探讨的热点问题。大数据是基于数据和数据挖掘技术这两块缺一不可基石进行开拓的领域,新的商业模式则是在已有的商业模式基础上,依托新思维而演变来的新模式。H公司基于这样的背景下,提出了销售向服务转型的口号,试点新的供应链金融业务,那么对代理商信用风险的研究对于公司而言,比以往任何时候都来得重要。加强代理商信用风险管理既是H公司战略转型的客观要求,也是H公司所代表的行业领域,社会产业转型、升级的现实要求。近几年来,社会经济呈现两大变化,以金融行业兴起为代表的,信用经济规模的不断扩大、以互联网行业兴起为代表的,信息化数据化应用不断扩大,信用衍生工具的使用规模不断放大,尤其是在大的全球市场环境持续衰退的背景下,信用风险再一次成为国际学术界关注的焦点。本文采用规范与实证相结合的方法进行研究,着重从代理商信用风险管理中的信用风险评估这个点切入,基于决策树模型,依托H公司实际业务数据进行了较为深入地研究。文中先通过分析、比较几种信用风险评估方法的特点,总结出现有评估模型的几种缺陷,结合使用了H公司实际业务数据在数据挖掘领域中决策树分析技术应用上的表现,建立信用风险评估模型的基本方法。以此为基础,对H公司代理商信用风险进行计算和分析,并根据对计算结果的分析,提出对H公司代理商信用风险管理的业务流程改善的建议。本文主要的研究成果概括为以下三点：第一,针对以往相关代理商信用风险研究中财务数据缺失或并不能真实反映代理商公司实际业务情况的问题,首先通过建立备选指标选取原则,筛选出代理商信用风险评估备选指标集,然后根据这些指标以及具体的相关行业研究成果将这些指标转变成可量化,有特征的属性,在保证真实、客观反映现实业务的基础上显著地解决了以往评估模型对中小公司失效的问题。第二,分析了传统信用风险评估方法在代理商(即中小公司)信用风险评估中存在的局限,利用决策树分析技术,从事务性交易数据出发,有效解决了信用风险评估不能在交易过程中及时进行的问题,代理商信用风险评估效率和精度都有极大的提高。第三,基于上述研究成果,对H公司的代理商信用评估体系进行了流程设计,对业务流程的重构提出完善意见,对整个行业在代理商信用风险管理的深入研究奠定了基础。